這項由斯坦福大學領導的研究發表於2023年的《自然·神經科學》期刊，論文編號為DOI: 10.1038/s41593-023-01468-4。研究團隊將深度學習技術與神經科學結合，系統性地揭示了視覺皮層神經元
如何對自然圖像作出反應，為理解大腦視覺處理機制提供了一套全新的計算框架。
---
很多人都好奇一個問題：當你看到一隻貓的時候，你腦子裡究竟發生了什麼？更具體一點——那些負責"看東西"的神經細胞，是怎麼把眼睛接收到的光信號，變成"哦，這是一隻橘貓"這樣的認知的？這個問題困擾了神經科學家將近一個世紀。斯坦福大學的這支研究團隊，選擇用人工智慧這把"鑰匙"，去撬開大腦視覺皮層的"鎖"。
---
一、大腦的"收信室"：視覺皮層神經元到底在做什麼
要理解這項研究，得先搞清楚視覺皮層神經元這個概念。你的大腦後部有一大塊區域，專門負責處理你眼睛看到的東西，這塊區域叫做視覺皮層。其中的神經元，可以理解成一個個"收信員"——每個收信員只負責接收某種特定類型的信件。有的收信員只對水平線條感興趣，有的只對運動的物體敏感，有的則對特定的顏色或形狀有反應。
科學家們早就知道這件事，但問題在於：大腦里有幾十億個這樣的收信員，每個人的"喜好"都略有不同，而且當你看一張複雜的自然圖片時，到底是哪些圖片特徵觸發了哪個收信員，實在難以捉摸。
傳統研究方法有點像蒙著眼睛猜謎——研究者給動物或人看一張簡單的條紋圖案，記錄神經元的反應，然後推測它的喜好。這種方法在實驗室里還算湊合，但真實世界的視覺資訊複雜得多，遠不是幾根條紋能代表的。斯坦福團隊的切入點就在這裡：他們決定用深度神經網路這個工具，來替神經元"畫一幅自畫像"——弄清楚每個神經元最喜歡的圖像是什麼樣的。
---
二、借AI之眼：用深度神經網路當"翻譯"
深度神經網路，可以理解為一種受大腦啟發設計的電腦程序。它之所以叫"深度"，是因為它有很多層——每一層負責處理不同層級的資訊，從最基本的邊緣、紋理，到複雜的物體形狀，再到完整的物體概念，層層遞進，有點像工廠里的流水線，每道工序處理完再傳給下一道。
研究團隊使用了一類特別的深度神經網路，叫做卷積神經網路（CNN）。這種網路在識別圖像方面表現出色，更關鍵的是，它的內部結構和生物大腦視覺皮層的層級結構高度相似——這並非偶然，因為CNN本來就是受視覺神經科學啟發而設計的。
團隊的核心思路是這樣的：既然CNN和大腦視覺皮層在結構上有相似之處，那麼CNN內部某一層的某一個"計算節點"，可能就對應著大腦里的某類神經元。如果能找到這種對應關係，就可以用CNN來預測真實神經元的反應，再反過來找到"最能激活某個神經元的圖像"。
這個過程有點像找一把鎖的配套鑰匙：你先製作一把通用模型鑰匙（CNN），通過大量測試發現它開某把鎖特別順手，然後再用這把模型鑰匙反推出鎖的內部結構。
---
三、實驗設計：給猴子看圖，記錄神經元的"心跳"
為了驗證這個思路，研究團隊在真實動物的神經元上做了實驗。他們在獼猴的視覺皮層中植入了精密的電極，這些電極能夠記錄單個神經元在受到視覺刺激時的放電情況——每當一個神經元"興奮"，就會產生一次電信號，研究者將其稱為"脈衝"。
接下來，研究人員給獼猴展示了大量的自然圖像和人工生成的圖像，涵蓋了各種類別：風景、動物、物體、面孔、隨機紋理，種類繁多。與此同時，電極忠實記錄下每幅圖像對應的神經元反應強度。這個過程有點像做問卷調查：每給神經元看一張圖，就問它"你有多喜歡這張圖"，然後把所有答案記錄下來。
收集了足夠多的數據之後，研究團隊用這些數據來訓練一個預測模型。這個模型的任務只有一個：給任意一張圖像，預測目標神經元會有多強烈的反應。換句話說，他們在努力搭建一座"翻譯機器"，能把圖像語言翻譯成神經元語言。
---
四、"最愛圖像"的生成：讓AI替神經元說出心裡話
有了這個預測模型，團隊就進入了最令人興奮的部分——找出每個神經元最喜歡的圖像，即"最優刺激"（Optimal Stimulus）。
這裡用了一種叫做"梯度上升"的技術。簡單解釋一下：如果你把神經元的反應強度看成一座山，圖像的各種可能變化看成在這座山上的各個位置，那麼"梯度上升"就是沿著山坡往最高處爬。每次調整圖像的一點點像素，讓預測出的神經元反應稍微變強一些，如此反覆疊代，最終爬到山頂，生成一張能讓該神經元最大程度興奮的圖像。
不過，直接對原始像素做梯度上升，往往會產生一些看起來非常奇怪的噪點圖案，根本不像任何真實存在的東西。這就好比你讓一個沒見過世面的人畫出"最美的風景"，結果他畫出一堆亂糟糟的色塊。
為了解決這個問題，研究團隊引入了一個額外的約束條件——他們用一個叫做生成對抗網路（GAN）的工具來規範生成圖像的"真實感"。GAN可以理解為一個"藝術品真偽鑑定師"，它一直在檢查生成的圖像是否看起來像真實存在的自然圖像，只要不像，就會給出懲罰。通過這種方式，最終生成的圖像既能最大程度激活目標神經元，又能保持真實自然圖像的外觀。
---
五、發現了什麼：神經元的"審美偏好"超乎想像
當研究團隊生成了大量神經元的"最愛圖像"之後，他們得到了一系列令人著迷的發現。
首先，視覺皮層不同區域的神經元確實有著截然不同的"審美偏好"。位於視覺皮層較低層級區域（稱為V1、V2區）的神經元，偏愛的圖像相對簡單，主要是特定方向的邊緣、條紋、顏色對比等基礎特徵。而位於更高層級的IT區（下顳葉皮層）的神經元，則對複雜得多的圖像模式感興趣，比如特定的紋理組合、物體的局部形狀，甚至有些神經元對面孔的某些特徵有非常強烈的偏好。
這種層級差異驗證了一個在神經科學界已有相當共識的理論：大腦處理視覺資訊的方式是"從簡到繁"的流水線模式。低層神經元負責檢測基礎特徵，高層神經元則將這些基礎特徵組合成更複雜的概念。這和前面提到的CNN的工作方式幾乎如出一轍，這種高度的結構對應性也從側面證明了用CNN來模擬大腦視覺系統的合理性。
其次，研究發現了一個更微妙的現象：即便是同一個腦區內的相鄰神經元，它們的"最愛圖像"之間也存在相當大的差異。這說明視覺皮層的神經編碼遠比想像中精細。每個神經元都像是一個有獨特審美的藝術鑑賞家，而不是一群品味雷同的路人。
---
六、模型預測能力的測試：AI翻譯到底準不準
光有理論還不夠，研究團隊還對他們建立的預測模型進行了系統性的精度測試。他們的測試方法類似於"盲測"：先用部分神經元反應數據訓練模型，然後拿出模型從未見過的新圖像，讓模型預測神經元的反應，再和真實測量的神經元反應比對。
結果表明，對於視覺皮層較低層級的神經元，模型預測精度相當高。這好比一個學生背熟了簡單課文，回答基礎問題時表現優秀。但對於更高層級的神經元，預測精度有所下降——因為高層神經元處理的資訊更複雜，偏好更難捉摸，就像考試題目突然變成了哲學辨析，學生就沒那麼遊刃有餘了。
不過整體來看，預測精度已經達到了令研究者滿意的水平，足以支持後續的"最優刺激"圖像生成實驗。這意味著，至少在相當程度上，他們建立的AI模型已經能夠"懂得"神經元在想什麼。
---
七、反向驗證：生成的圖像真的能激活神經元嗎
生成了"最愛圖像"之後，研究團隊做了一個關鍵的驗證實驗。他們把這些AI生成的"最優刺激"圖像真正展示給獼猴看，同時記錄目標神經元的實際反應，看看這些圖像是否真的比普通自然圖像更能激活該神經元。
驗證結果是肯定的。對於大多數測試的神經元，AI生成的"最優刺激"圖像確實引發了比隨機自然圖像更強烈的神經元反應，有時候強出一大截。這個結果相當於一次漂亮的"實戰檢驗"——理論預測和現實相符，說明這套方法是真實有效的，而不只是紙面上的數字遊戲。
這個驗證環節的重要性不亞於發現本身。因為在神經科學研究中，理論和實驗相符並不是理所當然的事情——大腦比任何人工系統都複雜得多。這次驗證的成功，為後續更大規模地將AI工具應用於神經科學研究奠定了信心基礎。
---
八、從獼猴到人類：這套方法能否遷移
自然地，讀者可能會問：這些都是在獼猴身上做的實驗，和人有什麼關係？
這是一個合理的擔憂，研究團隊也認真對待了這個問題。獼猴的視覺皮層結構與人類高度相似，在神經科學研究中，獼猴一直是最常用的視覺研究模型動物。研究團隊在論文中詳細討論了這種相似性提供的外推可能性，同時也明確指出了直接將結論推廣到人類時需要謹慎的地方。
此外，團隊還探索了在人類被試中應用類似框架的初步可能性。由於在人類身上植入電極有嚴格的倫理限制，他們主要藉助功能性核磁共振成像（fMRI）來間接測量人類視覺皮層的活動。fMRI的時間和空間解析度雖然不如電極記錄精細，但它提供了一種無創的觀測窗口。這部分工作還屬於探索性質，結論相對初步，但方向已經指向了人類視覺神經科學研究的新可能性。
---
九、這項研究意味著什麼：打開了一扇新的門
說到底，這項研究最重要的貢獻不只是具體發現了哪些神經元喜歡什麼圖像，而是提供了一套可復用的、系統性的研究框架。
在此之前，神經科學家們研究神經元的偏好，基本上靠"碰運氣"——設計一批圖像刺激，看哪張更有效果，效率極低。現在有了這套AI驅動的框架，研究者可以更系統、更高效地探索神經元的特性，甚至可以針對特定神經元"定製"最有效的刺激圖像，大大加速神經科學研究的進程。
從更長遠的視角看，這種框架對於腦機接口技術、視覺假體（幫助盲人重獲視覺的設備）的開發，以及理解視覺相關疾病的神經機制，都有潛在的應用價值。以視覺假體為例，如果能精確知道人工電信號如何激活視覺皮層神經元，就能更精準地設計假體的刺激模式，讓盲人看到的"人工視覺"更接近真實視覺體驗。
歸根結底，這項研究講述的是一個AI和神經科學"互相幫助"的故事。神經科學給了AI靈感——CNN的結構本來就是受大腦啟發的；而AI反過來，幫助神經科學家更清晰地看懂大腦在做什麼。兩者在這裡形成了一個美妙的閉環。
當然，大腦的奧秘遠未被解開。這項研究就像在一片茂密森林裡開出了一條小徑——有了方向，有了工具，前路還很長，但至少再也不是漫無目的的摸索了。如果你對這些內容感興趣，可以通過DOI: 10.1038/s41593-023-01468-4找到這篇發表在《自然·神經科學》上的完整論文，原文中有更多技術細節和豐富的實驗數據值得深入探索。
---
Q&A
Q1：視覺皮層神經元"最優刺激"圖像是怎麼生成的？
A：研究團隊先用真實神經元的反應數據訓練一個預測模型，讓AI學會預測任意圖像對神經元的激活強度。然後通過一種叫做"梯度上升"的技術，不斷調整圖像像素，讓神經元的預測反應越來越強，同時用生成對抗網路（GAN）保證圖像看起來真實自然，最終找到能最大程度激活該神經元的圖像。
Q2：用獼猴做實驗得出的結論能適用於人類嗎？
A：獼猴的視覺皮層結構與人類高度相似，因此研究結果具有一定參考價值。但研究團隊強調，直接將結論推廣到人類需要謹慎。他們也初步探索了用功能性核磁共振成像（fMRI）在人類身上應用類似框架的可能性，這部分研究還屬於早期階段，尚無完整定論。
Q3：深度神經網路為什麼能模擬大腦視覺皮層的工作方式？
A：卷積神經網路（CNN）在設計之初就受到了大腦視覺皮層層級結構的啟發，二者都是"從簡到繁"地處理視覺資訊——低層處理邊緣和紋理，高層處理複雜形狀和概念。這種結構上的相似性，使得CNN能夠在一定程度上"模擬"神經元的反應規律，從而用於預測真實神經元對不同圖像的反應強度。
